公开(公告)号：CN118918372A

公开(公告)日：2024-11-08

申请号：CN202410971507.5

申请日：2024-07-19

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  张永宏 ,  尹贺峰 ,  王振宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V20/10 ,  G06N3/0464

Abstract: 本发明公开了一种基于MCA注意力机制高效网络的遥感图像场景分类方法，该方法包括：获取遥感图像数据集并按比例划分为训练样本和测试样本；对遥感图像数据集进行预处理；构建MCA注意力模块；构建MCA‑EfficientNet B0网络模型；在MCA‑EfficientNet B0中加载ImageNet1K数据集上的预训练权重，然后将训练样本输入到网络模型中，通过反向传播算法不断优化带权重的交叉熵损失函数，调整网络参数，最后得到训练好的网络模型；将测试样本输入到训练好的网络模型中，得到遥感图像场景分类结果；与传统方法相比，本发明保持了较低的参数量和计算量，同时有着较好的遥感图像场景分类准确率。

公开(公告)号：CN117611921A

公开(公告)日：2024-02-27

申请号：CN202311795989.5

申请日：2023-12-22

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  夏庆锋 ,  任珂 ,  郭婷婷 ,  王振宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V40/16

Abstract: 本发明公开了一种基于局部约束鉴别性非负表示的分类方法及分类器，包括以下步骤：S1、获取测试样本和训练样本集，所述训练样本集的样本总类别数为K，所述训练样本集的训练样本总数为n；S2、对所述训练样本集中的样本进行归一化处理；S3、使用交替方向乘子法求解所述测试样本在所述训练样本集上的表示系数；S4、计算所述测试样本在所述训练样本集的每个类别上的残差；S5、根据残差进行分类，将所述测试样本识别为最小残差对应的类别。本发明通过充分考虑标签信息，直接约束表示分量而不是表示系数，架起了表示和识别阶段的桥梁；本发明可以有效处理人脸图像中的结构噪声，在识别口罩、围巾、太阳镜遮挡等人脸图像时仍能够保持较高的准确率。

公开(公告)号：CN119807932A

公开(公告)日：2025-04-11

申请号：CN202510163163.X

申请日：2025-02-14

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  夏庆锋 ,  任珂 ,  郭婷婷 ,  廖俊杰 ,  王振宇

IPC: G06F18/2431 ,  G06V10/764

Abstract: 本发明公开一种基于仿射局部敏感的非负表示分类方法及装置，所述方法包括以下步骤：获取对照样本集，并对所述对照样本集进行预处理，得到对照集；其中，所述对照集中的对照样本分别属于若干个不同的样本类别；通过求解预设目标函数，得到待分类样本在所述对照集上的编码向量；其中，所述预设目标函数中包括局部约束矩阵；根据所述编码向量，计算所述待分类样本与各所述样本类别之间的残差，并根据所述残差，确定所述待分类样本对应的所述样本类别。本发明能够提高非负表示分类器的分类效率。

公开(公告)号：CN119152257A

公开(公告)日：2024-12-17

申请号：CN202411180098.3

申请日：2024-08-27

Applicant: 无锡学院

Inventor： 李子奇 ,  宋宏程 ,  陈智霖 ,  张永宏 ,  尹贺峰 ,  王振宇

IPC: G06V10/764 ,  G06V10/72 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种基于柔性因子的竞争非负表示分类方法及系统，涉及图像模式分类的技术领域。所述方法包括以下步骤：获取用于图像模式分类的测试样本与训练样本集，并对所述训练样本集中的样本进行预处理；基于预处理后的训练样本集，计算测试样本在训练样本集上的表示系数；基于所述表示系数对测试样本进行分类，得到测试样本被识别为最小残差对应的类别。通过本发明所提供的方法与系统，能够同时约束子空间竞争表示项和类别表示向量，增加各类别表示向量的贡献，基于所述表示系数对测试样本进行分类，得到测试样本被识别为最小残差对应的类别，有效完成对各种图像分类任务并提高图像分类的准确率。

公开(公告)号：CN119068352A

公开(公告)日：2024-12-03

申请号：CN202411105189.0

申请日：2024-08-12

Applicant: 无锡学院

Inventor： 李子奇 ,  苏宇轩 ,  吴江 ,  张永宏 ,  尹贺峰

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/75 ,  G06V10/82

Abstract: 本发明公开了一种基于PAP‑UNet++网络的遥感图像变化检测方法，涉及遥感图像处理技术领域，包括如下步骤：首先对原始数据集进行预处理，将训练集图像统一缩放为512×512大小的图像块作为输入，在编码器阶段利用混合空洞卷积模块实现逐级提取多尺度特征并进行下采样操作，在解码器阶段插入并行空洞金字塔模块以提升模型对全局上下文特征的捕获能力，此外，在同层级的跳跃连接过程中引入CBAM注意力机制从而提高对变化区域的识别与区分能力，最终生成与输入尺寸一致的像素级分类预测结果，通过上述方法能够有效地解决网络对多尺度特征信息利用不足的问题，准确地检测变化细节信息。

公开(公告)号：CN119810563A

公开(公告)日：2025-04-11

申请号：CN202510043757.7

申请日：2025-01-10

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  张永宏 ,  廖俊杰 ,  王振宇

IPC: G06V10/764 ,  G06V40/16 ,  G06V10/774 ,  G06F18/2431

Abstract: 本发明提供一种基于竞争和非负表示的分类方法及分类器，方法包括：获取训练样本集和测试样本；对训练样本集中的训练样本进行归一化处理；利用预设的Co‑NRC目标函数求解测试样本在归一化后的训练样本集上的表示系数；计算测试样本在归一化后的训练样本集中每个类别上的残差；根据残差进行分类，将测试样本识别为最小残差对应的类别；本发明在NRC的基础上引入了一个类竞争约束正则项，竞争约束可以创造一个激烈的竞争环境，让所有类都竞争的表示测试样本，在非负约束的基础上进一步地惩罚异质样本，使同质样本的表示贡献更大，有效地提升了分类准确率；本发明可以广泛运用于人脸识别、对象分类、视觉跟踪等任务，具有良好的应用前景。

公开(公告)号：CN119251551A

公开(公告)日：2025-01-03

申请号：CN202411250365.X

申请日：2024-09-06

Applicant: 无锡学院

Inventor： 李子奇 ,  宋宏程 ,  陈智霖 ,  张永宏 ,  尹贺峰 ,  王振宇

IPC: G06V10/764 ,  G06V10/72 ,  G06V10/77 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了一种基于自编码器的非负表示分类方法及系统，涉及图像模式分类的技术领域。所述方法包括以下步骤：获取用于图像分类的测试样本与训练样本集，并对所述训练样本集进行预处理；根据预处理后的训练样本集，提取测试样本在训练样本集上的表示系数与映射矩阵；基于所述表示系数与映射矩阵对测试样本进行分类，得到测试样本被识别为最小残差对应的类别。通过本申请所提供的方法与系统，能够同时约束子空间竞争表示项和类别表示向量，增加各类别表示向量的贡献，并且能够有效将低维非线性数据映射到高维空间，确保样本在高维特征空间中具有线性结构，有效完成对各种图像分类任务并提高图像分类的准确率。

公开(公告)号：CN115049941A

公开(公告)日：2022-09-13

申请号：CN202210738442.0

申请日：2022-06-27

Applicant: 无锡学院

Inventor： 苏宇轩 ,  李子奇 ,  施林枫 ,  廖俊杰

IPC: G06V20/13 ,  G06V10/82 ,  G06V10/764 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进的ShuffleNet卷积神经网络及其遥感图像的分类方法，该方法构建并训练ShuffleNet卷积神经网络，获取图像数据集并将图像数据集中的数据划分为训练集和测试集，对图像数据集进行预处理，并裁剪成分辨率为224×224的图像，将裁剪后的图像输入到Conv1层进行卷积运算，并对训练集中的图像进行特征提取，将特征提取后的图像输入到最大重叠池化层，将最大重叠池化层处理后的图像输入到ShuffleNet V2网络组成的三个阶段中，将第三个阶段输出的图像依次输入到Conv5层、SE模块、全局平均池化层、全连接层中，得到训练好的ShuffleNet卷积神经网络，将测试集输入至训练好的ShuffleNet卷积神经网络，得到图像分类结果。本发明可以有效地减少网络的内存占用量，有着较好的分类准确率。

公开(公告)号：CN218630709U

公开(公告)日：2023-03-14

申请号：CN202221580573.2

申请日：2022-06-22

Applicant: 无锡学院

Inventor： 李子奇 ,  夏庆锋 ,  廖俊杰

IPC: G06F1/20 ,  G06F11/30

Abstract: 本实用新型公开了一种用于智能识别的机器学习装置，包括箱体，所述箱体的顶部焊接有工作台，所述箱体内腔的顶部焊接有安装盒，所述安装盒内腔底部的左侧通过螺栓连接有识别器，所述安装盒内腔底部的右侧通过螺栓连接有单板机，所述工作台顶部的左侧固定连接有放置杆，所述放置杆的顶部设置有识别探头。本实用新型通过放置杆、识别探头、支撑箱、电机、螺纹杆、螺纹块、支撑杆、延伸块、活动块、冷却箱、半导体制冷器、导温板、风扇、导流罩、导流管和温度传感器的配合使用，解决了现有的机器学习装置在使用的过程中，不能够对显示器的位置进行调整和设备内部散热能力不足的问题。

公开(公告)号：CN216118848U

公开(公告)日：2022-03-22

申请号：CN202122371502.3

申请日：2021-09-29

Applicant: 无锡学院

Inventor： 李子奇 ,  韩基泰 ,  夏庆锋 ,  尹贺峰 ,  孙俊

IPC: G06T1/20

Abstract: 本实用新型公开了一种用于图像识别的图像处理装置，包括机体，机体上设有影像采集探头，机体顶部的前端横向开设有转动凹槽，后端横向开设有储钠凹槽；所述转动凹槽与储钠凹槽之间通过两条与之垂直设置的放置凹槽连通；同时设置固定管、遮蔽杆、磁铁块、识别框、升降管、转动凹槽、弹性支撑块、移动板、阶梯凹槽、复位弹簧、转动套和定位轴的配合使用，可放置多个图片进行展示观察，这样图像处理设备的使用更加方便，解决了图像处理设备在使用时，因不能对图片进行放置观察，使得图片需放置在专用支架上进行观察，浪费了时间，从而导致图像处理设备出现使用不便的问题。